(supermind)振幅大于1、前25天有涨停、竞价涨幅＞-2＜5_

问财量化选股策略逻辑

选取振幅大于1，前25天至少有一次涨停以及当日竞价涨幅在-2~5之间的股票进入待投资池。

选股逻辑分析

1. 振幅大于1表明该股票波动性较大，有较大概率出现较高的涨幅；
2. 前25天至少有一次涨停代表该股票走势特征突出且市场认可度高；
3. 竞价涨幅在-2~5之间，表明市场的买家占据主动权；
4. 选股策略并未考虑股票自身基本面因素，风险较高。

有何风险？

1. 公司经营状况不佳，净利润同比下降，导致选出的股票出现较大波动；
2. 股市行情不佳，导致选出的股票涨幅不如预期；
3. 市场热点轮动速度较快，股票回落可能较快；
4. 选股策略对于股票基本面的分析相对较弱，存在较大风险。

如何优化？

1. 增加股票基本面分析的因素，对财务状况、行业背景等进行评估；
2. 尽可能增加选股逻辑中技术指标的多样性、综合性，降低风险；
3. 增强监控能力，及时平仓风险较大的股票。

最终的选股逻辑

选股时振幅大于1，前25天至少有一次涨停以及当日竞价涨幅在-2~5之间的股票进入待投资池。

同花顺指标公式代码参考

// 振幅大于1
COND1:=(HIGH-LOW)/LOW>0.01;
// 前25天至少有1次涨停,以涨停开盘价计算竞价涨幅
AVGHIGH:=IFF(REF(MAX(HIGH,1),1)/REF(CLOSE,1)>1.097 AND (HIGH=LOW),AVG(MAX(HIGH,1),OPEN),HHV(MAX(HIGH,1),OPEN)*1.097);
GAP := (AVGHIGH-REF(CLOSE,1))/REF(CLOSE,1)*100;
COND2:=GAP>-2 AND GAP<5 AND (BARSSINCE(CLOSE=REF(MAX(HIGH,1),1))/COUNT>COUNT-25);
// 综合条件
CONDITION:=COND1 AND COND2;
SIGNAL:=CHECKCOND(CONDITION,1);

Python代码参考

import pandas as pd
import akshare as ak

def get_trade_data(stock_code):
    stock_history_df = ak.stock_zh_a_daily(symbol=stock_code, adjust="hfq")
    stock_history_df.rename(columns={"交易日期":"date","开盘价":"open","最高价":"high","最低价":"low","收盘价":"close","成交量":"volume","成交额":"amount","外盘":"vol_out","内盘":"vol_in",}, inplace=True)
    stock_history_df.sort_values("date", ascending=True, inplace=True)
    stock_history_df['pct_chg'] = stock_history_df['close'].pct_change() * 100
    # 振幅
    cond1 = (stock_history_df['high'] - stock_history_df['low']) / stock_history_df['low'] > 0.01
    # 涨停
    cond2 = (stock_history_df['high'] == stock_history_df['low']) & (stock_history_df['high'] / stock_history_df['close'].shift(1) > 1.097)
    avghigh = cond2.groupby(by=(cond2 != cond2.shift()).cumsum()).apply(lambda x: x[x]["open"].mean())
    gap = ((avghigh - stock_history_df['close'].shift(1)) / stock_history_df['close'].shift(1)) * 100
    cond2 = (gap > -2) & (gap < 5) & (gap.rolling(window=25).apply(lambda x: x.any())).reset_index(drop=True)
    # 综合条件
    basic_cond = cond1 & cond2
    df = stock_history_df.loc[basic_cond].reset_index(drop=True)
    return df

def select(df):
    return df

    ## 如何进行量化策略实盘？
    请把您优化好的选股语句放入文章最下面模板的选股语句中即可。

    select_sentence = '市值小于100亿' #选股语句。

    模板如何使用？

    点击图标右上方的复制按钮，复制到自己的账户即可使用模板进行回测。


    ## 如果有任何问题请添加 下方的二维码进群提问。
    ![94c5cde12014f99e262a302741275d05.png](http://u.thsi.cn/imgsrc/pefile/94c5cde12014f99e262a302741275d05.png)